金融计量学 基于R和PYTHON

图书标准信息

• 作者 欧阳资生 阳·D 马倚虹
• 出版社 中国人民大学出版社
• 出版时间 2023-01
• 版次 1
• ISBN 9787300312804
• 定价 49.00元
• 装帧 其他
• 开本 其他
• 纸张 胶版纸
• 页数 324页
• 字数 400千字

【内容简介】

金融计量学是一门对金融数据进行统计分析和计量建模的课程，是高等学校金融学专业本科生的专业核心课。本书是在笔者多年来从事金融计量方面的教学和科研基础上编写而成的，在内容上以金融时间序列分析、金融空间计量、大数据金融为主线展开，具体包括金融时间序列线性模型、协整与向量自回归模型、GARCH族模型等10章。与传统教材相比，具有如下特点：
  强调课程思政。内容融合思政元素，努力做到理论与实践、中国与外国、知识传授与科研训练、思政教育与专业素养提升的“四个结合”。
  课程内容的前沿性。本书将目前金融学前沿的研究成果，如金融文本挖掘、机器学习等前沿内容纳入其中。
  课程学习的可模仿性和操作性。本书的所有案例、专题的数据和程序均可下载使用，便于使用者模仿学习和操作。
  新形态数字化呈现。本教材通过二维码，嵌入延伸案例、实操视频和专题文章，供使用者学习和进一步研究之用。
  本书可作为金融学、经济学、统计学等专业高年级本科生和相关专业的研究生教材，亦可作为相关领域研究人员的参考书。对于希望进一步加强对金融数据和当今金融市场理解的研究人员以及金融、商业和经济领域的从业者，该书也是极佳的选择。

【作者简介】

欧阳资生，湖南师范大学“潇湘学者”特聘教授，二级教授，博士生导师；享受国务院政府特殊津贴专家，高等学校金融学类教学指导委员会委员，湖南省学科带头人，湖南省高校科技创新团队“开放经济条件下金融风险度量、控制与政策”负责人，湖南省区域战略与规划研究基地首席专家，《统计研究》编委。主要研究方向为金融风险管理、金融科技与金融统计。

阳旸，湖南师范大学商学院副教授、博士。研究方向：金融管理与金融计量。

马倚虹，湖南师范大学商学院金融系讲师、博士。研究方向：金融风险与机器学习。

【目录】

第1章 导论   

1.1金融计量学概述   

1.2收益率的计算     

1.3常见的统计分布   

1.4收益率的分布特征     

1.5 R软件和Python软件介绍     

1.6专题1:金融数据的可视化     

第2章 金融时间序列线性模型       

2.1相关性和平稳性     

2.2简单自回归模型     

2.3简单移动平均模型    

2.4简单ARMA模型   

2.5单位根非平稳时间序列   

2.6季节模型     

2.7长记忆时间序列模型     

2.8专题2:基于ARIMA模型的中国居民消费价格指数预测   

第3章 协整与向量自回归模型   

3.1协整分析     

3.2向量自回归（VAR）模型     

3.3格兰杰因果关系检验     

3.4 VAR模型与脉冲响应函数     

3.5 VAR模型与方差分解     

3.6结构向量自回归模型     

3.7 TVP-VAR模型     

3.8专题3:中国资本市场与货币政策的协同关系研究   

第4章  GARCH族模型       

4.1波动率模型的特征及结构     

4.2 ARCH模型     

4.3 GARCH模型     

4.4 IGARCH模型     

4.5 GARCH-M模型     

4.6指数GARCH模型     

4.7 TGARCH模型     

4.8 APARCH模型     

4.9专题4:基于GARCH模型的沪深300指数建模与应用      

第5章 极值事件与金融风险计量       

5.1极值事件概述     

5.2金融风险计量指标VaR和ES     

5.3风险度量制     

5.4基于GARCH模型的VaR计算     

5.5基于极值理论的Var计算     

5.6系统性金融风险计量模型     

5.7事件研究法与金融风险     

5.8专题5:中国系统性金融风险评估报告     

第6章  Copula函数与金融计量       

6.1 Copula函数的定义及性质     

6.2 Copula函数与相关性     

6.3常用的Copula函数     

6.4 Copula函数的估计方法     

6.5 Copula函数与金融风险计量     

6.6专题:基于GARCH-Copula模型的投资组合风险测度     

第7章 分位数回归与金融计量       

7.1分位数回归模型概述     

7.2分位数回归模型     

7.3分位数回归模型的估计方法     

7.4分位数回归估计值的解释     

7.5分位数回归模型的拓展     

7.6分位数回归与系统性金融风险     

7.7专题7:基于分位数回归的金融机构系统性风险测度研究     

第8章 空间计量方法与金融计量       

8.1空间权重矩阵     

8.2空间自回归模型     

8.3空间杜宾模型     

8.4空间误差模型     

8.5专题:中国金融风险的空间集聚与溢出效应   

第9章 机器学习与金融计量     

9.1机器学习概述     

9.2机器学习经典算法     

9.3人工神经网络     

9.4模型评估与选择      

9.5专题9:纳入网络舆情的上证指数走势预测研究     

第10章 文本挖掘与金融大数据计量       

10.1金融大数据概述   

10.2大数据处理流程   

10.3数据挖掘方法     

10.4文本数据挖掘     

10.5专题10 :金融网络舆情指数构建与应用   

参考文献